Лондонская компания Inherent представила цифрового исследователя Faraday, способного самостоятельно проверять выводы опубликованных научных работ. По заявлению разработчиков, система справилась с этой задачей лучше крупных решений OpenAI и Anthropic, хотя в ее основе лежит значительно более компактная языковая модель.
Faraday получает научную статью без готового ответа, определяет, какие опыты необходимо провести, пишет программы для расчетов и пытается повторно получить заявленные авторами результаты. Подобная работа считается важной частью подготовки ученых: с воспроизведения чужих экспериментов часто начинается обучение будущих исследователей.
Нейросеть для науки оказалась меньше моделей OpenAI и Anthropic
Основой Faraday стала модель Qwen 3.6 с 27 млрд параметров. В испытании ее сопоставляли с Claude Opus 4.8 и GPT-5.5 – гораздо более крупными универсальными моделями. Несмотря на разницу в размере, система Inherent показала более высокий результат при повторении научных работ.
Разработчики оценивали не только точность итогового ответа. От системы требовалось выбирать осмысленные направления проверки, отсеивать бесполезные действия и грамотно строить опыты. В Inherent называют это исследовательским чутьем – способностью понимать, какая гипотеза действительно заслуживает проверки.
Искусственный интеллект для исследований обучили на результатах
Создатели Faraday сделали ставку на обучение с подкреплением. Система получает оценку за полезный результат и постепенно осваивает удачные способы решения задач. Ей не предлагают жесткий перечень правил проведения научной работы.
При этом Faraday не выполняет все операции собственными силами. Для написания программного кода используется GPT-5.5 Codex. Такой подход напоминает работу обычного ученого, который применяет готовые инструменты, а не создает каждый из них заново. Поэтому результат правильнее считать успехом всей исследовательской системы, а не отдельной языковой модели.
ИИ для научных открытий должен стать цифровым коллегой
Inherent основали бывшие сотрудники Google DeepMind. После привлечения 50 млн долларов компания начала раскрывать подробности разработки. Ее долгосрочная цель – создать искусственный интеллект, который сможет не только подтверждать известные выводы, но и предлагать новые научные идеи.
Разработчики хотят получить самостоятельного цифрового коллегу: он должен замечать интересные закономерности, проводить дополнительные расчеты и сообщать человеку о неожиданных результатах. Это принципиально отличается от помощника, который лишь выполняет команды или соглашается с предположениями пользователя.
Вывод эксперта
Faraday показывает, что качество научной системы зависит не только от количества параметров. Продуманный порядок действий, обучение на проверяемых результатах и применение специализированных инструментов могут оказаться важнее размера модели.
Однако вывод о превосходстве над OpenAI и Anthropic пока относится к узкой задаче и основан на данных самой Inherent.
Моя рекомендация: оценивать подобные решения по открытым испытаниям, повторяемости результатов и независимой проверке. Для реальной науки убедительное воспроизведение эксперимента важнее громкого места в рейтинге.